自動伸縮是 Kubernetes 的核心能力。您配置的擴展機制（HPA、VPA 和 Cluster Autoscaler）越嚴格，運行應用程序的浪費和成本就越低。?

Kubernetes 提供了三種自動伸縮機制：Horizo??ntal Pod Autoscaler (HPA)、Vertical Pod Autoscaler (VPA) 和 Cluster Autoscaler。

在本文中，我們關注水平 pod 自動縮放。您可以通過在集群上配置 Horizo??ntal Pod Autoscaler (HPA) 設置來控制基于各種指標運行的 pod 數量。這使您能夠根據需求擴大或縮小規模。?

繼續閱讀以了解 Kubernetes HPA 是什么以及它在動手示例中的工作原理。

讓我們從 Kubernetes 自動縮放的快速回顧開始

在深入研究 Horizo??ntal Pod Autoscaler (HPA) 之前，讓我們看一下 Kubernetes 的自動縮放機制。?

Kubernetes 支持三種類型的自動縮放：?

1. Horizo??ntal Pod Autoscaler (HPA)，它縮放應用程序的副本數量。?

2. Vertical Pod Autoscaler (VPA)，用于擴展容器的資源請求和限制。?

3. Cluster Autoscaler，調整集群的節點數。?

這些自動縮放器在兩個 Kubernetes 級別之一上工作：pod 和 cluster。雖然 Kubernetes HPA 和 VPA 方法在 pod 級別調整資源，但 Cluster Autoscaler 會擴大或縮小集群中的節點數量。?

什么是 Kubernetes Horizo??ntal Pod Autoscaler (HPA)？

在許多應用程序中，使用情況會隨著時間而變化——例如，晚上訪問電子商務商店的人多于中午左右。當您的應用程序需求發生變化時，您可以使用 Horizo??ntal Pod Autoscaler (HPA) 根據 CPU 利用率自動添加或刪除 pod。

HPA 根據您在外部提供的指標或自定義指標做出自動縮放決策。

首先，您需要使用 MIN 和 MAX 值定義在任何給定時間應運行的副本數。配置完成后，Horizo??ntal Pod Autoscaler 控制器會負責檢查指標并根據需要進行調整。默認情況下，它每 15 秒檢查一次指標。

Horizo??ntal Pod Autoscaler 如何工作？

配置 HPA 控制器將監控部署的 pod 并了解 pod 副本的數量是否需要更改。為了確定這一點，HPA 采用每個 pod 指標值的加權平均值，并計算刪除或添加副本是否會使該值更接近其目標值。

示例場景

假設您的部署的目標 CPU 利用率為 50%。您目前有五個 Pod 在那里運行，平均 CPU 利用率為 75%。在這種情況下，HPA 控制器將添加三個副本以使 pod 平均值更接近 50% 的目標。

何時使用 Kubernetes HPA？

Horizo??ntal Pod Autoscaler 是一種自動擴展機制，可用于擴展無狀態應用程序。但是您也可以使用它來支持擴展有狀態集。?

要為經歷定期需求變化的工作負載節省成本，請將 HPA 與集群自動縮放結合使用。這將幫助您在 pod 數量減少時減少活動節點的數量。

Horizo??ntal Pod Autoscaler 的限制?

請注意，HPA 有一些限制：

• 它可能需要在構建您的應用程序時考慮到橫向擴展，以便可以在多個服務器之間分配工作負載。?
• HPA 可能無法始終跟上意外的需求高峰，因為新虛擬機可能需要幾分鐘才能加載。
• 如果您未能在 pod 上設置 CPU 和內存限制，如果您選擇相反，它們可能會頻繁終止或浪費資源。?
• 如果集群容量不足，則 HPA 無法擴展，直到將新節點添加到集群中。Cluster Autoscaler (CA) 可以自動執行此過程。?

運行 Horizo??ntal Pod Autoscaler 需要什么？

Horizo??ntal Pod Autoscaler (HPA) 是 Kubernetes 集群管理器的一項功能，它監視 pod 容器的 CPU 使用情況，并根據需要自動調整它們的大小以保持目標利用率水平。?

為此，HPA 需要一個指標來源。例如，當基于 CPU 使用率進行擴展時，它使用metrics-server。如果要使用自定義或外部指標進行 HPA 擴展，則需要部署實現 custom.metrics.k8s.io API 或 external.metrics.k8s.io API 的服務；這提供了一個與監控服務或指標源的接口。?

自定義指標包括網絡流量、內存或與 pod 應用程序相關的任何值。如果您的工作負載使用標準 CPU 指標，請確保在 pod 規范中為容器配置 CPU 資源限制。

運行 Kubernetes HPA 的專家提示

1.安裝Metrics-Server?

Kubernetes HPA 需要訪問每個 pod 的資源指標來做出擴展決策。這些值是從 metrics-server 提供的 metrics.k8s.io API 中檢索的。?

2. 為所有 Pod 配置資源請求

HPA 擴展決策的另一個關鍵信息來源是觀察到的 pod 的 CPU 利用率值。但是這些值是如何計算的呢？它們是來自單個 pod 的資源請求的百分比。?

如果您錯過了某些容器??的資源請求值，這些計算可能會變得完全不準確，并導致次優操作和糟糕的擴展決策。這就是為什么值得為每個 pod 的所有容器配置資源請求值的原因，這些容器是由 HPA 擴展的 Kubernetes 控制器的一部分。

3. 配置自定義和外部指標

自定義指標

您可以將 Horizo??ntal Pod Autoscaler (HPA) 配置為基于自定義指標進行擴展，這些指標是您從應用程序收集的內部指標。HPA 支持兩種類型的自定義指標：?

• Pod 指標 – 應用程序中所有 pod 的平均值，僅支持目標類型 AverageValue。?
• 對象指標 – 描述與您的應用程序在同一命名空間中的任何其他對象并支持 Value 和 AverageValue 的目標類型的指標。?

請記住在配置自定義指標時為 pod 和對象指標使用正確的目標類型。?

外部指標

這些指標允許 HPA 根據第三方監控系統提供的指標自動擴展應用程序。外部指標支持 Value 和 AverageValue 的目標類型。?

在決定自定義指標和外部指標時，請選擇自定義指標，因為保護外部指標 API 比獲得內部指標更難。

4. 驗證您的 HPA 和 VPA 策略不沖突

Vertical Pod Autoscaler 可自動執行請求并限制配置，從而減少開銷并節省成本。另一方面，Horizo??ntal Pod Autoscaler 旨在橫向擴展而不是向上或向下擴展。?

在為業務或目的級服務層設計集群時，請仔細檢查您的分箱和打包密度設置是否相互沖突。

5. 使用實例加權分數

假設您的一個工作負載最終消耗的比它請求的多。發生這種情況是因為需要資源嗎？或者工作負載是否因為它們可用但不是非常需要而消耗它們？

在為自動縮放選擇實例大小和類型時使用實例權重。實例加權很有用，尤其是當您采用多樣化的分配策略并使用 Spot 實例時。

示例：HPA 演示

由于這是 Kubernetes 的核心功能之一，我們使用的云服務提供商應該無關緊要。但在本例中，我們將使用 GKE。?

您可以通過 UI 或 gcloud utils 創建集群，如下所示：

gcloud container \--project "[your-project]" clusters create "[cluster-name]" \--release-channel None \--zone "europe-west3-c" \--node-locations "europe-west3-c" \--machine-type "e2-standard-2" \--image-type "COS_CONTAINERD" \--disk-size "50" \--enable-autorepair \--num-nodes "3"

然后我們可以使用以下方式連接到集群：

gcloud container clusters get-credentials [cluster-name] --zone europe-west3-c --project [your-project]

這也應該將您的上下文切換到集群，因此無論何時使用 kubectl，您都將處于該集群的上下文中。

完成后，我們可以驗證是否可以看到節點：?

> kubectl get nodesNAME STATUS ROLES AGE VERSION gke-valdas-1-default-pool-cf1cd6be-cvc4 Ready <none> 4m50s v1.22.11-gke.400 gke-valdas-1-default-pool-cf1cd6be-q62h Ready <none> 4m49s v1.22.11-gke.400 gke-valdas-1-default-pool-cf1cd6be-xrf0 ? Ready ? ?<none> ? 4m50s ? v1.22.11-gke.400

GKE 預裝了指標服務器；我們可以驗證使用：

> kubectl get pods -n kube-system | grep metricsgke-metrics-agent-n92rl 1/1 Running 0 7m34s gke-metrics-agent-p5d49 1/1 Running 0 7m33s gke-metrics-agent-tf96r 1/1 Running 0 7m34s metrics-server-v0.4.5-fb4c49dd6-knw6v ? ? ? ? ? ? ? ?2/2 ? ? Running ? 0 ? ? ? ? ?7m20s

請注意，如果您的集群沒有指標服務器，您可以使用一個命令輕松安裝它：

kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

你可以在這里找到更多信息。

我們還可以使用 `top` 命令來驗證是否收集了指標：

> kubectl top pods -ANAMESPACE NAME CPU(cores) MEMORY(bytes) kube-system event-exporter-gke-5479fd58c8-5rt4b 1m 12Mi kube-system fluentbit-gke-5r6v5 5m 22Mi kube-system fluentbit-gke-nwcx9 4m 25Mi kube-system fluentbit-gke-zz6gl 4m 25Mi kube-system gke-metrics-agent-n92rl 2m 26Mi kube-system gke-metrics-agent-p5d49 3m 27Mi kube-system gke-metrics-agent-tf96r 3m 26Mi kube-system konnectivity-agent-6fbc8c774c-4vvff 1m 6Mi kube-system konnectivity-agent-6fbc8c774c-lsk26 1m 7Mi kube-system konnectivity-agent-6fbc8c774c-rnvp2 2m 6Mi kube-system konnectivity-agent-autoscaler-555f599d94-f2w5n 1m 4Mi kube-system kube-dns-85df8994db-lvf55 2m 30Mi kube-system kube-dns-85df8994db-mvxv5 2m 30Mi kube-system kube-dns-autoscaler-f4d55555-pctcj 1m 11Mi kube-system kube-proxy-gke-valdas-1-default-pool-cf1cd6be-cvc4 1m 22Mi kube-system kube-proxy-gke-valdas-1-default-pool-cf1cd6be-q62h 1m 23Mi kube-system kube-proxy-gke-valdas-1-default-pool-cf1cd6be-xrf0 1m 26Mi kube-system l7-default-backend-69fb9fd9f9-fctch 1m 1Mi kube-system metrics-server-v0.4.5-fb4c49dd6-knw6v 27m 24Mi kube-system pdcsi-node-mf6pt 2m 9Mi kube-system pdcsi-node-sxdrg 3m 9Mi kube-system ? pdcsi-node-wcnw7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 3m ? ? ? ? ? 9Mi

現在，讓我們創建一個具有資源請求和限制的單副本部署：

apiVersion: autoscaling/v1 kind: HorizontalPodAutoscaler metadata:name: hpa-demo spec:scaleTargetRef:apiVersion: apps/v1kind: Deploymentname: hpa-demominReplicas: 1maxReplicas: 5targetCPUUtilizationPercentage: 60

總結

以上是生活随笔為你收集整理的什么是 Kubernetes HPA的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。